视频笔记

视频笔记 是做什么的？

用户将反馈录制成屏幕录制，边操作边讲解：一次通过，持续几分钟，常常在光标滞后时重复某个要点。交付物是一份操作清单，其他会话无需观看视频即可执行。Whisper 和 ffmpeg 在本地运行；不会将任何视频或音频发送到云端语音或视觉 API。

步骤

1. 运行辅助脚本（它位于本文件旁边）。

   python3 "<该技能所在文件夹>/video-notes.py" "<视频路径>"
   

   它会复用与视频文件同目录下的 <视频文件名>.srt（如果存在），否则在 CPU 上运行 whisper --model base.en（在 Apple Silicon 笔记本上，每 5 分钟视频约需 2.5 分钟）。输出内容写入 <视频主文件名>.notes/ 文件夹：transcript.md（每行对应一个合并后的片段，附带帧名称）以及 1600px 宽的截图。当 <视频主文件名>.notes/ 的修改时间晚于视频文件时，结果会被直接复用；--force 强制重建，--model turbo 在基础转录效果不佳时使用，--every 10 用于无旁白的演示，--sheet 生成 2x2 缩略图集，--max-row 5 在说话和屏幕操作快速变化时捕获更多帧（每行最多 8 秒，每行一帧），--max-frames 40 为默认值。
2. 阅读 transcript.md，然后查看截图。 如果使用了 --sheet，先快速浏览 sheet_NN.jpg（每张缩略图集包含四帧，按从左到右、从上到下的帧顺序排列，因此 sheet 01 包含第 1 到第 4 帧，其左上角为最早的那一帧），然后对每一行中指向屏幕（如“这个区域”、“这里”、“这两个图标”）或文本需要精读的帧，单独查看其单帧截图。缩略图集用于定位；只有单帧截图才能作为标注或尺寸的证据。
3. 在视频文件旁边写入 <视频主文件名>.notes.md，使用绝对路径，无论当前工作目录是什么。格式如下：

   # <视频名称> · <录制日期> · <时长> · <帧中可见的应用名称或网址>
   
   ## 操作清单
   ### <屏幕区域，按屏幕上显示的名称命名：左侧栏、标题、设置面板>
   1. [mm:ss] <一句话的强制性修复指令>。用户原话：“<简短的原话>”。截图：frame_mmss.jpg
   2. ...
   
   ## 待定
   <标记为“稍后”、“最终”、“现在不做”的项目，格式同上>
   
   ## 不明确
   <每行一个需要用户回答的问题>
   

   编号贯穿整个清单，因此用户可以回复“3 和 7”。区域按访问顺序排列。重复的备注合并为一项，并在重复是关键信息时附加“说了 3 次”。
4. 回复：提供文件路径、区域标题及每个区域中的条目数量，以及前三个条目。除非“不明确”部分有内容，否则不要提问。
5. 当负责渲染屏幕的仓库已打开时，添加 ## 代码位置：条目编号 -> 文件路径，通过搜索帧中可见的组件名称和标签找到。如果没有仓库，则跳过该部分；切勿猜测路径。

规则

• 如果截图中有无法辨认的文字，必须重新捕获，不可推测：使用 --width 2400，或使用 ffmpeg 裁剪该区域。
• .notes/ 文件夹和 .notes.md 文件必须保持在视频文件旁边。在仓库内部，该文件夹必须被忽略（通过 .git/info/exclude），以确保大型录制文件不会进入 git。
• 竞争产品分析或产品演示：步骤相同，但清单读作“他们做了什么”而非“修复”。
• 转录使用位于 ~/.cache/whisper 的本地 Whisper 模型。不使用云端语音 API 或视觉 API；会话模型负责阅读截图。

完成检查清单

• 已生成 transcript.md，并且在编写任何条目之前已阅读每一帧截图
• 已写入 <视频主文件名>.notes.md：全局编号、区域按访问顺序排列、每个条目都包含时间戳和截图名称
• 已合并重复项，已分离“待定”和“不明确”部分与“操作清单”
• 未将任何视频或音频发送到本机之外